吴高德 朱振刚 梅浪奇 刘 清

1 宁波港信息通信有限公司 2 武汉理工大学自动化学院

1 引言

近年来随着人工智能、计算机视觉和移动互联网技术应用的深入，集装箱箱号识别技术在集装箱码头岸边作业的理货过程和闸口得到了广泛应用[1-3]，极大提升了集装箱码头作业的智能化水平、生产效率和安全性。但码头堆场的集装箱仍需要通过手工方式记录集装箱箱号，导致人工工作量大、效率低下、信息化水平低。随着移动终端如智能手机的广泛应用，国内外学者开展了基于移动终端来解决堆场集装箱箱号识别问题的相关研究[4-5]。但移动终端只能拍摄1个后箱门的箱号作为识别对象，不能像闸口和岸边理货中箱号识别那样，可以有5面箱号(顶面箱号、前箱面箱号、左侧箱面箱号、右侧箱面箱号、后箱门箱号)图像选择最佳识别结果。而且拍摄的图像中字符倾斜角度相对较大，阴雨天、晚上等补光不能满足要求，移动端的箱号识别技术对单张图片的字符区域粗定位和精定位以及字符识别算法的识别率需要更高的要求。因此，目前基于移动终端的箱号识别还没有得到实际应用。

本文基于深度学习技术、图像处理技术、Flask服务端框架、微信小程序开发了一种基于移动端的集装箱号识别系统，经过现场测试，移动端的箱号识别率达到97%，识别时间为500 ms内，满足现场作业的要求。本文提出的箱号定位和识别算法还可以移至到智能理货、智能闸口等相关箱号识别系统中。……